1. pandas介绍
Pandas是一个强大的数据分析库,它的Series和DataFrame数据结构,使得处理起二维表格数据变得非常简单。
基于后面需要对Excel表格数据进行处理,有时候使用Pandas库处理表格数据,会更容易、更简单,因此我这里必须要讲述。
Pandas库是一个内容极其丰富的库,这里并不会面面俱到。我这里主要讲述的是如何利用Pandas库完成 “表格读取”、“表格取数” 和 “表格合并” 的任务。其实Pandas能实现的功能,远远不止这些,关于利用该库如何实现数据清晰和图表制作,不是本书的研究范围,大家可以下去好好学习这个库。
在使用这个库之前,需要先导入这个库。为了使用方便,习惯性给这个库起一个别名pd,本书中只要是见到pd,指的都是Pandas。
2. Excel数据的读取
Pandas支持读取csv、excel、json、html、数据库等各种形式的数据,非常强大。但是我们这里仅以读取excel文件为例,讲述如何使用Pandas库读取本地的excel文件。
在Pandas库中,读取excel文件使用的是pd.read_excel()函数,这个函数强大的原因是由于有很多参数供我们使用,是我们读取excel文件更方便。在这里我们仅仅讲述sheet_name、header、usecols和names四个常用参数。
① sheet_name参数详解
我们知道一个excel文件是一个工作簿,一个工作簿有多个sheet表,每个sheet表中是一个表格数据。sheet_name参数就是帮助我们选择要读取的sheet表,具体用法如下。
sheet_name=正整数值,等于0表示读取第一个sheet表,等于1表示读取第二个sheet表,以此类推下去。
sheet_name=”sheet名称”,我们可以利用每张sheet表的名称,读取到不同的sheet表,更方便灵活。
注意:如果不指定该参数,那么默认读取的是第一个sheet表。
用法1:sheet_name=正整数值
df = pd.read_excel("readexcel.xlsx",sheet_name=1) df
结果如下:
用法2:sheet_name=”sheet名称”
df = pd.read_excel("readexcel.xlsx",sheet_name="考试成绩表") df
结果如下:
② header参数详解
有时候待读取的excel文件,可能有标题行,也有可能没有标题行。但是默认都会将第一行读取为标题行,这个对于没有标题行的excel文件来说,显得不太合适了,因此header参数可以很好的解决这个问题。
header=None,主要针对没有标题行的excel文件,系统不会将第一行数据作为标题,而是默认取一个1,2,3…这样的标题。
header=正整数值,指定哪一行作为标题行。
用法1:header=None
df = pd.read_excel("readexcel.xlsx",sheet_name="copy",header=None) df
结果如下:
用法2:header=正整数值
df = pd.read_excel("readexcel.xlsx",sheet_name="基本信息表",header=1) df
结果如下:
③ usecols参数详解
当一张表有很多列的时候,如果你仅仅想读取 这张表中的指定列,使用usecols参数是一个很好的选择。
关于usecols参数,这里有多种用法,我们分别进行说明。
usecols=None,表示选择一张表中的所有列,默认情况不指定该参数,也表示选择表中的所有列。
usecols=[A,C],表示选择A列(第一列)和C列(第三列)。而usecols=[A,C:E],表示选择A列,C列、D列和E列。
usecols=[0,2],表示选择第一列和第三列。
# 下面这两行代码,均表示获取前2列的数据 df = pd.read_excel("readexcel.xlsx",sheet_name="考试成绩表",usecols=[1,2]) df = pd.read_excel("readexcel.xlsx",sheet_name="考试成绩表",usecols="A:B") df
结果如下:
④ names参数详解
如果一张表没有标题行,我们就需要为其指定一个标题,使用names参数,可以在读取数据的时候,为该表指定一个标题。
names=[“列名1”,”列名2”…]:传入一个列表,指明每一列的列名。
name_list = ["学号","姓名","性别","籍贯"] df = pd.read_excel("readexcel.xlsx",sheet_name="copy",header=None,names=name_list) df
结果如下:
3. Excel数据的获取
知道怎么读取excel文件中的数据后,接下来我们就要学着如何灵活获取到excel表中任意位置的数据了。
这里我一共提供了5种需要掌握的数据获取方式,分别是 “访问一列或多列” ,“访问一行或多行” ,“访问单元格中某个值” ,“访问多行多列” 。
① 什么是“位置索引”和标签索引
在讲述如何取数之前,我们首先需要理解“位置索引”和“标签索引”这两个概念。
每个表的行索引就是一个“标签索引”,而标识每一行位置的数字就是 “位置索引”,如图所示。
在pandas中,标签索引使用的是loc方法,位置索引用的是iloc方法。接下来就基于图中这张表,来带着大家来学习如何 “取数”。
首先,我们需要先读取这张表中的数据。
df = pd.read_excel("readexcel.xlsx",sheet_name="地区") df
结果如下: